AWS发布SageMaker TTS自动扩缩容测量教程

AWS Machine Learning Blog 发布教程，介绍如何为 Amazon SageMaker AI 上自托管的 TTS 端点设定自动扩缩容目标，不再凭猜测配置。教程把 82M 参数的 Kokoro-82M 部署为自定义容器实时端点，用实测的单实例不超 SLO 最高并发 Q_max 和一次扩容耗时 T_total，推算扩容阈值、缩容阈值与冷却时间。 运行扩容测量前，需要 ml.g5.xlarge 服务配额在基线之上至少留一个空位。教程称，示例中的每个数字都可用两份已提交的测量文件重跑 plan 独立复现，无需调用 AWS、不产生新费用。示例容器固定了较早版本的 PyTorch，存在已知漏洞 PYSEC-2026-2286（torch 2.10.0 已修复），教程提示在非验证用途前检查并升级。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。